Dans tout le chapitre, les espaces vectoriels considérés seront des
-ev.
I Espace préhilbertien, espace euclidien
I.1 Produit scalaire
I.1.1 Définition
Soit
un
-espace vectoriel.
Un produit scalaire sur
est une application
(
à valeurs réelles
)
qui a les propriétés suivantes :
Symétrique
:
.
Bilinéaire
:
Positive
:
.
Définie
:
Un produit scalaire est donc une forme bilinéaire, symétrique, définie, positive.
Notation. Quand
est un produit scalaire, on note plutôt
à la place de
Explication
Cette définition du produit scalaire nous permet de nous passer de la notion d'angle et de distance (ou norme).
Ce sont exactement les propriétés du produit scalaire canonique de
déjà étudié
dans le chapitre
.
I.1.2 Définition
Soit
un
-espace vectoriel munit d'un produit scalaire.
On dit alors que
est un espace préhilbertien réel, et si
est de dimension finie
on dit que
est un espace euclidien.
I.1.3 Remarque
La bilinéarité implique que
pour tout
.
Pour vérifier qu'une application est bilinéaire, on vérifie une seule linéarité. La symétrie prouve automatiquement la deuxième linéarité.
I.1.4 Exemple
Il faut connaître ces exemples, ainsi que savoir les prouver.
Produit scalaire canonique sur
: rappelons que pour deux colonnes
, l'application
est bien un produit scalaire au sens de ce chapitre.
Cette fois
. On pose
(
remarquer que
). Montrons que
est un produit scalaire.
Soient
.
, car la trace est invariante par transposition.
La linéarité à droite est immédiate par composition de deux applications linéaires.
Calculons
. On note
. Alors
est la somme des carrés de tous les coefficients de
. Ainsi
et on a même
ssi tous les termes de la somme sont nuls (somme de réels positifs) ie
.
Montrons que
est bien un produit scalaire.
La symétrie provient de la commutativité du produit dans
.
La linéarité à gauche est une conséquence immédiate de la linéarité de l'intégrale.
Soit
.
Alors
par positivité de l'intégrale.
De plus si
alors
et donc
est une fonction
continue, positive et d'intégrale nulle : elle est nulle sur le segment
.
Ainsi
et donc
.
On se place dans
et pour
on pose
Montrons que
est un produit scalaire.
Symétrie, bilinéarité, positivité : voir l'exemple précédent.
Soit
tel que
. Montrons que
est le polynôme nul. Pour l'instant on sait que la fonction polynomiale associée est nulle sur le segment
. Ainsi
possède une infinité de racines et est donc le polynôme nul.
I.1.5 Remarque
On peut le plus souvent définir plusieurs produits scalaires sur un même espace.
Par exemple,
est un autre produit scalaire sur
.
I.2 Théorèmes
I.2.1 Théorème
Toutes les définitions et propriétés portant sur les produits scalaires et les normes
vues dans le chapitre
sur le théorème spectral sont encore valables dans
un espace euclidien
(c'est-à-dire un
-espace vectoriel de dimension finie
dans lequel on a défini un produit scalaire) ou dans un espace préhilbertien
(la même chose, mais en dimension infinie, par exemple
avec le produit scalaire intégral).
La seule condition est de remplacer la base canonique de
par une base
orthonormée
de
.
En particulier on pourra utiliser :
norme d'un vecteur, elle est nulle ssi le vecteur est le vecteur nul.
lien norme-produit scalaire (définition de la norme, identité de polarisation)
inégalité de Cauchy-Schwartz et triangulaire.
orthogonalité de vecteurs, liberté d'une famille de vecteurs orthogonaux 2 à 2 et non nuls. Théorème de Pythagore
base orthonormée et calcul des coordonnées dans une telle base
procédé de Gram-Schmidt pour créer une base orthogonale ou orthonormale à partir d'une base existante
espaces orthogonaux et orthogonal d'un sous-espace (avec une généralisation, voir la proposition
I.2.7
)
Preuve
Seules les 4 propriétés définissant un produit scalaire ont été utilisées pour
prouver tous ces résultats.
I.2.2 Théorème (Rappel : coordonnées dans une base orthonormée)
Soit
un espace euclidien et
une base
orthonormée
de
.
Soit
et notons
leurs colonnes de coordonnées dans
⟦⟧
ou encore
.
.
I.2.3 Exemple
Soit
un espace euclidien de dimension 2, et
une base orthonormale.
Montrer que
avec
est une BON de
.
Que dire de la matrice de passage ?
I.2.4 Exemple (Gram-Schmidt)
On munit
du produit scalaire
.
Donner une base orthonormée de
qui soit échelonnée en degré.
Posons
la base canonique de
.
On cherche une base orthogonale notée
par le procédé de Gram-Schmidt.
On pose
.
On cherche
sous la forme
(
donc de degré 1
) tel que
. Alors
. On trouve
et donc
.
On cherche
sous la forme
(
donc de degré 2
) tel que
.
et donc
.
. Finalement,
.
Pour trouver une base orthonormée, il suffit maintenant de diviser par les normes
(déjà calculées, sauf pour
).
et donc
I.2.5 Remarque
Tout espace euclidien admet une BON.
Le procédé de Gram-Schmidt ne change pas une famille orthogonale (sauf à la normaliser si on veut obtenir une BON).
I.2.6 Remarque
Si on orthonormalise
en
, la condition de conservation des espaces vectoriels croissants
assure que
(la matrice de passage) est triangulaire supérieure.
I.2.7 Proposition (Orthogonal d'un sous espace)
Soit
un espace préhilbertien et
un sous-espace de
.
Si
est de dimension finie, alors
.
Preuve
, car le seul vecteur orthogonal à lui-même est le vecteur nul.
Soit
une base de
que l'on suppose orthonormale (on a appliqué le procédé de Gram-Schmidt).
Soit
.
Analyse. Supposons que
avec
et
. Alors, pour
⟦⟧
,
. Comme de plus
(expression des coordonnées par le produit scalaire, dans une base orthonormée), on a
Synthèse. Posons
. Alors clairement,
et
. Il reste à montrer que
c'est-à-dire
. Nous allons montrer que
pour tout
.
éé
et on a bien
.
Finalement,
I.2.8 Exemple
On munit
du produit scalaire
.
Montrer que
sont orthogonaux. Rappelons qu'ils sont également
supplémentaires, et donc
.
En effet, si
alors
où on a utilisé
dans l'ordre : la symétrie du produit scalaire, la définition de matrice anti-symétrique ainsi
que la linéarité de la trace, la définition de matrice symétrique, puis finalement
la symétrie du produit scalaire.
I.3 Projections et symétries orthogonales
I.3.1 Définition
Soit
un espace préhilbertien et
un sous-espace de dimension finie de
.
La projection orthogonale sur
est la projection sur
parallèlement à (de direction)
.
La symétrie orthogonale sur
est la symétrie par rapport à
de direction
.
I.3.2 Remarque
On a bien
...
On pourra se souvenir de la formule
pour lier les deux objets précédents.
Pour
, on a les deux conditions géométriques
.
I.3.3 Exemple
Matrice dans la base canonique de la projection orthogonale sur
.
I.3.4 Proposition
Soit
un espace préhilbertien et
un sous-espace de dimension finie de
dont une BON
est
. On note
le projecteur orthogonal sur
. Alors
En particulier, si
est une
droite
,
où
est
de norme 1
.
Preuve
Il s'agit d'un re-formulation de la preuve de
I.2.7
I.3.5 Méthode
On détermine
en remarquant que
donc
est orthogonal à une base de
.
On utilise la formule
si on connaît une BON de
.
I.3.6 Définition
Une symétrie orthogonale par rapport à une droite est appelée retournement
et une symétrie orthogonale par rapport à un hyperplan est appelé réflexion.
I.3.7 Réduction
Matrice, trace, det dans des bases adaptées.
I.3.8 Exemple
Dans
on pose :
.
Calculer les matrices dans la base canonique de la projection orthogonale sur F et
de la symétrie orthogonale par rapport à
.
I.3.9 Proposition (Inégalité de Bessel)
Soit
un sous-espace de dimension finie de
. On note
le projecteur orthogonal sur
.
Preuve
Soit
. On a
et donc d'après le théorème de Pythagore,
.
On conclut en remarquant qu'un carré de réel est toujours positif et que la fonction
racine carrée est croissante sur
.
I.3.10 Exercice
Montrer que cette propriété caractérise les projecteurs orthogonaux parmi les projecteurs.
Plus précisément, si
est un projecteur de
on a
Indication : on pourra poser un vecteur non nul
du noyau de
et considérer la projection
orthogonale sur
.
Il reste une implication à prouver.
On suppose que
et on note
. On doit montrer que
.
Soient
.
On note
le projeté orthogonal de
sur
.
Alors
où
.
D'après Pythagore,
.
Or
donc
et de plus
.
Ainsi
et donc
et finalement
donc
et on a bien
.
I.3.11 Théorème (Moindres carrés)
Soit
un sous-espace de dimension finie de
.
Pour
, on note
la distance de
à
.
Il existe un unique
tel que
et donc la borne
inférieure est en fait un minimum.
est le projeté orthogonal de
sur
.
Preuve
Notons
le projeté orthogonal de
sur
.
Alors
et donc
.
De plus, si
alors
et donc
, car
et d'après le théorème de Pythagore.
Ainsi pour tout
et donc
.
Le calcul précédent montre que ce minimum n'est atteint qu'en
.
I.3.12 Remarques
Ce théorème donne avant tout l'existence d'un minimum.
Avec les notations de la preuve,
(toujours d'après Pythagore). Ainsi, on a un moyen pratique de calculer la valeur de ce minimum : il s'agit de calculer une projection orthogonale.
I.3.13 Traduction dans une BON
Soit
une BON de
Alors
.
.
I.3.14 Exemple
Calculer
.
Il s'agit de calculer, dans
munit du produit scalaire intégral,
le projeté de l'exponentielle sur le sous espace des fonctions affines (qui est de dimension 2).
II Isométries
Le cadre ici est celui des espaces euclidiens, et plus particulièrement des espaces euclidiens
de petite dimension.
sera donc toujours un espace euclidien et on abusera
sans retenue du théorème
I.2.2
de calcul des coordonnées dans une base orthonormée.
II.1 Cas général
II.1.1 Définition-proposition
Soit
une application linéaire. On a équivalence entre
conserve le produit scalaire ie
conserve la norme, ie
.
Dans ce cas,
est bijective et est appelé automorphisme orthogonal ou encore
isométrie vectorielle.
L'ensemble est automorphismes orthogonaux de
est noté
.
Preuve
C'est évident. On pourrait prouver que si
n'est pas forcément linéaire, mais conserve le produit scalaire, alors elle est linéaire.
On a pour tous
Comme
conserve la norme, on a
donc
est injective donc bijective,
car
est de dimension finie.
II.1.2 Exemple
L'identité est clairement dans
.
Toute symétrie orthogonale est dans
. Le vérifier en revenant à la définition
avec
.
Les projections sur tout sous-espace strict ne sont pas des automorphismes (noyau non trivial).
II.1.3 Corollaire
Soit
et
une base
orthonormée
de
.
Preuve
Notons
.
Soit
et
. Alors le théorème
I.2.2
montre que
Comme l'application
est bijective on a bien
ssi
(voir la caractérisation numéro 6 dans le chapitre
).
Explication
À condition de se placer dans une BON, on peut passer des endomorphismes orthogonaux
aux matrices orthogonales.
II.1.4 Proposition
Soit
. Alors les propositions suivantes sont équivalentes.
L'image de toute BON de
par
est une BON de
.
L'image d'une certaine BON de
par
est encore une BON de
.
Preuve
Simple traduction de la même propriété sur les matrices orthogonales
II.1.5 Exemple
Montrer que l'application
est orthogonale.
II.1.6 Proposition
La composition de deux isométries est encore une isométrie et l'inverse
(bijection réciproque) d'une isométrie est encore une isométrie.
Preuve
Idem
II.1.7 Exercice
Dans
euclidien, soit
un sous-espace et
.
Montrer que
. (inclusion facile + dimension qui est conservée par les iso)
II.1.8 Proposition
Soit
.
Si
est un sous-espace de
stable par
(ie
) alors
est
stable par
.
Preuve
Supposons que
est stable par
et soit
.
On doit montrer que
.
Soit donc
.
Montrons que
. Or
.
De plus,
est bijective donc
(égalité des dimensions).
Ainsi
et donc
.
Finalement,
.
II.1.9 Proposition
Soit
et
une base
orthonormée
de
.
On note
.
éé
Preuve
Si
est symétrique on a à la fois
et
.
Ainsi
est une symétrie. Montrons que
.
Soient
tels que
(des vecteurs propres). Montrons que
.
Or
est une isométrie, donc
et donc
. Finalement la symétrie
est bien orthogonale. On peut aussi, encore une fois, utiliser le théorème
I.2.2
pour voir que
en utilisant les coordonnées dans
et les espaces propres de
sont orthogonaux d'après le théorème spectral... Réciproquement, supposons que
est une symétrie orthogonale.
Alors
. De plus,
est une matrice orthogonale, car
est une isométrie et
est une base orthonormée.
II.2 Groupe orthogonal en dimension 2
On se place dans
. On note
la base canonique.
On peut également se placer dans un espace euclidien
de dimension 2 munit
d'une base orthonormée de référence qui joue alors le rôle de la base canonique.
II.2.1 Proposition (Caractérisation de $O_2(\R)$)
Soit
.
ssi il existe
tel que
(
est canoniquement associée à la rotation d'angle
). Les matrices de
commutent entre elles.
ssi
est de la forme
(
est canoniquement associée à une réflexion, ie. une symétrie orthogonale par rapport à une droite).
Preuve
On commence par remarquer que toutes les matrices
sont clairement dans
.
Réciproquement, soit
. Alors
On peut donc écrire, d'après les deux première équations
et
. Maintenant la condition sur le déterminant est
On en déduit que
avec
. Donc
et
. CQFD.
On peut faire la même démonstration avec
et trouver le résultat annoncé.
II.2.2 Exemple
On note
. Calculer la matrice de la symétrie orthogonale d'axe
.
II.2.3 Corollaire
Soit
un espace euclidien de dimension 2.
Soit
une isométrie de ce plan. Alors
est une rotation ssi
.
est une réflexion (
une symétrie orthogonale par rapport à un hyperplan, c'est-à-dire une symétrie axiale
) ssi
.
Dans le cas d'une rotation, il suffit de déterminer l'image d'un vecteur de base pour
en déduire l'angle.
Pour une réflexion, on cherche la droite de point fixe pour la caractériser géométriquement.
II.2.4 Exemple
Calculer
.
On pourra d'abord remarquer que c'est une matrice d'isométrie négative.
II.2.5 Composition de deux réflexions
La composée de deux réflexion est une rotation du plan. Il reste à déterminer l'angle.
II.2.6 Valeurs propres
Les matrices de rotations
ne sont pas diagonalisables dans
. Leurs valeurs propres sont
.
Les réflexions sont diagonalisables, de valeurs propres 1 et -1 (multiplicité 1).
II.3 Groupe orthogonal en dimension 3
On se place maintenant dans
espace euclidien de dimension 3, et on choisit
une base orthonormée qui oriente
(
on choisit par convention que
est directe et c'est elle qui est la référence pour savoir si une autre base est directe
).
Lorsque
, la base de référence est la base canonique
II.3.1 Proposition
Soit
une isométrie d'un espace euclidien.
Si
possède une valeur propre
réelle, alors
.
Preuve
Soit
un vecteur propre associé à
une valeur propre de
.
Alors
car
est une isométrie. On a donc
ou encore
Ainsi
car
est non nul donc de norme non nulle.
Plus généralement, soit
la matrice dans une base orthonormée de
et
réelle ou non.
Soit également un vecteur
propre de
associé à
.
Alors
est un vecteur propre associé à
(car
est à coefficients réels) et on a
.
Si on note
alors
.
De plus, comme
est orthogonale,
. Ainsi
et
est de module 1.
II.3.2 Proposition
On note
une base orthonormée directe de
Soit
telle que pour un
La matrice de
ne dépend pas du choix de
tant que
est une base
orthonormée directe.
Preuve
Il faut prouver qu'en changeant de base orthonormée directe, on conserve la même matrice.
Soit
une base orthonormée directe de
et
la matrice de passage de
à
. Alors
et
car les colonnes doivent former une base orthonormée directe : ceci impose les 0 dans la première ligne pour l'orthogonalité à la première colonne et la troisième colonne est calculée par produit vectoriel.
Alors,
(les colonnes de
sont de norme 1) et donc on peut poser
tel que
en notation par bloc.
Alors
.
Un calcul direct (et un peu de trigonométrie) montre alors que
II.3.3 Définition
Soit
. S'il existe une base orthonormée
telle que
soit de la forme précédente, alors on dit que
est la rotation d'axe
orienté par
et d'angle
.
II.3.4 Interprétation géométrique
L'interprétation géométrique est la suivante :
est la droite des points fixes,
et dans
,
est la rotation d'angle
.
On dit alors que
est la rotation d'axe
orienté par
et d'angle
.
On dit que l'axe de
est orienté par
, car l'angle de rotation dans
l'espace dépend de la direction selon laquelle on observe le plan
.
Le sens de
donne le ``dessus'' de
et donc le côté par lequel on
observe
pour que l'angle soit bien
. Si on change le sens de
(qui devient donc
), alors l'angle de la même rotation devient
.
II.3.5 Exemple
Déterminer, dans
dont la base canonique est notée
les matrices dans
des rotations :
d’axe orienté par
et d’angle
,
d’axe orienté par
et d’angle
,
d’axe orienté par
et d’angle
La première matrice est directement la matrice de la définition précédente.
Pour la seconde, on pose
une autre BOND. Alors
où on a simplement utilisé la définition de
.
On trouve en posant
que
II.3.6 Étude des valeurs propres
Soit
. Comme 3 est impair,
possède une racine réelle qui vaut forcément
.
Notons
un vecteur propre associé à
.
Alors
est stable par
et
est une isométrie
d'un plan vectoriel. Ainsi
est une rotation ou une réflexion.
Si
est une réflexion, alors
est une symétrie orthogonale. Quitte à changer l'ordre d'une base de vecteur propre, sa matrice réduite est de la forme
(
est un retournement, c'est le cas
) ou
(
est une réflexion, c'est le cas
Dans le cas où
est une rotation il y a plusieurs possibilités :
Cas
. Dans ce cas on choisit
une BOND de
de telle sorte que
soit une BOND de l'espace et alors
et
est une rotation
Cas
.
est la composée (commutative) d'une rotation et d'une réflexion. L'axe de rotation est
et le plan de réflexion est
. On construit
une BOND comme au point précédent et alors
et le produit commute bien.
II.3.7 Théorème (Les types d'isométries)
Soit
avec
un espace euclidien de dimension 3.
Si
alors
est une rotation de l'espace (ou un retournement qui est une rotation d'angle
).
Si
, alors
est soit une réflexion, soit la composée d'une réflexion et d'une rotation (l'axe de rotation étant orthogonal au plan de réflexion).
II.3.8 Proposition (Etude d'une matrice orthogonale)
Soit
. On suppose
.
On note
l'endomorphisme canoniquement associé (ou plus généralement,
une isométrie dont
est la matrice dans une
BOND
)
Si
est symétrique, alors
est une symétrie orthogonale. Si
il s'agit d'une réflexion (symétrie par rapport à un plan), si
il s'agit d'une symétrie axiale (retournement).
Sinon il y a deux cas.
Si
, alors
est une rotation.
Si
alors
est une matrice de rotation d'axe
orienté par
et d'angle
. Alors
est au choix :
la composée de la réflexion par rapport à
et de la rotation d'axe
et d'angle
.
la composée commutative de la rotation d'axe
et d'angle
et de la symétrie centrale de centre
II.3.9 Exemple
Soit
.
est symétrique donc il s'agit d'une matrice de symétrie orthogonale. Comme
, il s'agit d'une symétrie axiale.
On détermine l'axe comme ensemble des points fixes, ie comme noyau de
. Clairement
vérifie
donc
est la matrice dans la base canonique de la symétrie
orthogonale d'axe
.
II.3.10 Déterminer une rotation
Soit
une matrice de
.
Etape 1 : déterminer l'axe. Il s'agit de l'ensemble des points fixes, ou encore de l'espace propre associé à la valeur propre 1. On fixe
de norme 1 directeur de l'axe.
Etape 2 : déterminer l'angle. On le note
. On a déjà,
donc on connaît
facilement. Il reste à trouver le signe de
, ie le signe de
.
Fixons
tels que
soit une BOND. Alors
Si maintenant
n'est pas sur l'axe de rotation, on écrit
où
est non nul et orthogonal à
. Alors, dans la base orthonormée directe
,
, car
et par opération élémentaire sur les colonnes.
II.3.11 Proposition
Soit
alors
est la matrice d'une rotation d'axe
(orienté par
) et d'angle
vérifiant :
est le noyau de
. On note
où
est unitaire.
Pour
un vecteur
,
vérifie
où le déterminant est calculé dans une BOND, de préférence dans la base canonique. En règle générale, on prend pour
un vecteur de la base canonique.
II.3.12 Exemple
Soit
. Montrer que
est une matrice de rotation dont on précisera un axe dirigé et l'angle correspondant.
On a facilement
par deux échanges de colonnes. Clairement les colonnes de
forment une BON (qui est donc directe car
).
L'ensemble des points fixes est
et on pose
un vecteur unitaire qui dirige et oriente l'axe de rotation.
L'angle
vérifie
donc
. Ainsi
.
De plus, en posant
qui n'est pas sur l'axe de rotation,
est du signe de
par développement suivant la 3ème ligne. Finalement
.